Évaluation de la comptabilité visuelle des sites avec certains types d’activités
Bibliographic record
Abstract
Cet article analyse le problème de l'élaboration d'une méthodologie qui tient compte de la compatibilité visuelle entre activités et paysages (sites) pour le choix de l'affectation d'une activité sur un site. Cette comparaison peut être effectuée par un citoyen et/ou un spécialiste, en se référant aux « qualités » esthétiques. Cette méthode peut faciliter l'intégration des facteurs esthétiques aux autres facteurs utilisés pour le choix d'un type de développement pour un site. Ceux-ci sont la rentabilité économique, les facteurs sociaux, « écologiques » et esthétiques. Cet article analyse spécifiquement 5 types d'activités étudiés sur 45 sites. On a interrogé 84 personnes sur les « qualités » esthétiques des sites. Pour ce faire, on a présenté des diapositives comparant un site avec un type d'activité pour connaître l'opinion des gens sur la compatibilité visuelle. Les résultats de ces tests furent structurés sous forme de matrices de préférence, pour lesquelles une mesure de consensus et d'uniformité fut calculée. Un rang relatif des sites fut déterminé selon une moyenne du nombre de fois que chaque site était préféré à l'autre site et le résultat fut donné sous forme d'une échelle algorithmique multidi-mensionnelle. En dernier lieu on a tenté de classer les sites en fonction de chaque activité.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.034 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".